人工智能，會不會成為金融市場上的「神」

作者簡介：金融量化師，人生思考者。這是我第357篇原創文章，感謝您的關注和轉發。

這個問題前幾天還真有人在問我。在解答這個問題前，我覺得大家先要搞清楚三個概念：

1、有監督機器學習；2、無監督機器學習；3、深度學習。這三者都可以叫實現人工智能的工具，或者說，隨着技術的進步，人們從有監督機器學習到無監督機器學習，再到深度學習，已經為人工智能的實現找到了更接近的工具。


有監督機器學習，解決的主要是回歸問題（或者叫梯度下降問題），算法包括決策樹學習、歸納邏輯編程、增強學習和貝葉斯網絡等。就是人們給定方向，由機器幫助你找到最接近的路徑。在金融市場中，就是你給定目標，機器會通過計算得出哪個參數最好。比如，通常用的單均線策略，你想要收益最大化，那麼機器很容易幫助你找到這條均線的最優解（5日均線還是10日均線，還是15日均線）。

無監督機器學習，解決的主要是聚類問題（或者叫分類分堆問題）。算法包括k-means、PCA、gmm等。主要是兩類，一是基於概率密度函數估算的聚類，另一種是基於樣本間相似性度量的聚類。在金融市場中，就是如何把市場數據進行分類，當然這種聚類並不是你事先設定的標籤。比如，股票中的多因子策略，你並不知道哪些因子有效，機器會通過算法幫你找出來（可能是波動率+市盈率+換手率）。

深度學習，解決的主要是修正問題（或者叫自我提高問題）。算法包括深度神經網絡、深度堆疊網絡等。就是在1和2的基礎上，結合計算結果反過來對過程參數進行再修正，從而提高自我預測能力。比如，震驚圍棋界的阿爾法狗、阿爾法元都算是一種自我訓練提升的人工智能。從理論上講，金融市場也可以採取這樣的方法，來找到致勝的「葵花寶典」。


這樣，我們再回到題目的問題上，就是人工智能到底能不能自已生成「超人類」的金融模型。

如果你是一名有超過十年交易經驗的資深手工交易員，你通常是這樣進行操作的。1、一眼就可以看出這個金融品種應當如何進行最佳分類；2、迅速調整交易策略中的核心參數與之匹配；3、在市場沒有變化的情況下，嚴格執行交易紀律；4、在市場有變化的情況下，迅速判斷如何調整分類或核心參數。分類---調整---堅持---修正，這是一條迴路。這四條的核心都是建立在充分理解交易原理的基礎上，所謂交易原理也可以理解為市場人群的心理。


如果人工智能想完成這些工作，就必須要清楚地知道如何實現這四步，但目前來講，通過黑箱實現的所謂人工智能，通常都會被矩陣轉換、算法優化中的噪音所干擾，而一個十分複雜的超級神經網絡，常常已經超出了人類的理解，你也就無法判斷這個超級智能提供給你的東西或策略是否可用。我們最擔心的是「這個東西賺錢了，我們不知道為什麼；這個東西虧錢了，我們也不知道為什麼」，在未知面前，我們無法向前走。

我們這些老傢伙（用手拍進行交易十年以上的人），也在向人工智能轉型，但我們用的方法是，在這四個過程中由「機器主導運算，人工篩除噪音」。當然，這也是有科學根據的，因為「泰勒」連續不等式告訴我們，之所以你搞的那麼複雜，是因為你沒找到交易市場上的核心東西是什麼。但未來已來，我們也知道在不遠的將來，一定有一個大師，不但精通交易，還精通編程，這樣他就一定可以在投資領域創造出一個新的神---「阿爾法錢」。

...
在這條路上，真正的大師都閉口不談，我之所以敢講，是因為我和你們一樣，也是一個「摸着石頭過河」的探索者。

作者簡介：二十年編程，十五年交易，四十年人生。中國第一屆國際高校量化大賽三個隊的指導老師；《金融量化簡史》十七集小視頻的作者；新媒體矩陣「十點洞見」原創撰稿人。